睡眠研究对于诊断失眠、嗜睡症或睡眠呼吸暂停等睡眠障碍至关重要。这些研究依赖于从原始多导睡眠图信号中手动评分睡眠阶段，这是一项繁琐的视觉任务，需要高度训练的专业人员进行大量工作。因此，近年来研究人员一直在努力开发基于机器学习技术的自动睡眠阶段评分系统。在本研究中，我们采用多锥谱分析（multitaper spectral analysis）方法，从脑电图（EEG）信号中生成可视觉解释的睡眠模式图像，并将其作为输入提供给经过训练以解决视觉识别任务的深度卷积网络。作为一个迁移学习的应用实例，本文介绍了一个能够准确分类新患者睡眠阶段的系统。该系统在广泛使用的公开数据集上的评估结果优于现有最先进方法，并为结果的可视化解释提供了一个框架。